Classificação de fluxos de dados na presença de mudanças de conceito utilizando métodos não supervisionados

• Processo: 13/23037-7
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 01 de março de 2014
• Data de Término da vigência: 31 de agosto de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Gustavo Enrique de Almeida Prado Alves Batista
• Beneficiário: Vinícius Mourão Alves de Souza
• Supervisor: João Manuel Portela da Gama
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Instituto de Engenharia de Sistemas e Computadores - Tecnologia e Ciência (INESC TEC), Portugal
• Vinculado à bolsa: 11/17698-5 - Classificação de fluxo de dados não estacionários com aplicação em sensores identificadores de insetos, BP.DR
• Assunto(s): Aprendizado computacional Aprendizado de máquina não supervisionado Inteligência artificial Fluxo de dados Sensores inteligentes Classificação de dados
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificação Automática | Fluxo de Dados | mudanças de conceito | Inteligência Artificial

Resumo

Aplicações como sensores são responsáveis pela geração de uma grande quantidade de dados. Tais dados podem formam um fluxo contínuo e ordenado de informações que chegam ao longo do tempo. A classificação desses dados em tempo real utilizando algoritmos de aprendizado de máquina é uma importante tarefa para boa parte das aplicações reais. Entretanto, frequentemente assume-se que os dados utilizados na etapa de treinamento de um classificador são suficientemente representativos para que possam ser utilizados por toda sua vida útil. Porém, para uma grande parte de aplicações reais, processos não estacionários são responsáveis pela geração dos dados, de modo que suas características sofrem alterações ao longo do tempo. No contexto de aprendizado de máquina, tais alterações nos dados são denominadas mudanças de conceito. Assim, o uso de classificadores estáticos nestas situações é inadequado, sendo necessário o uso de classificadores de fluxos de dados adaptativos, capazes de lidar com a presença de mudanças de conceito. A maior parte dos métodos que lida com classificação de fluxos de dados na presença de mudanças de conceito assume que os rótulos corretos das instâncias apresentadas ao classificador se tornam disponíveis após um determinado período de tempo. Assim, pode-se utilizar dados rotulados mais recentes para a atualização do modelo de classificação. Esta suposição é inviável para grande parte de aplicações do mundo real ou envolve um alto custo para a obtenção de dados rotulados. Assim, este trabalho tem o objetivo de investigar métodos de classificação de fluxos de dados na presença de mudanças de conceito que não tenham a necessidade do conhecimento dos rótulos corretos das instâncias recém processadas. (AU)